O que é o sorriso como biomarcador digital para o Parkinson?

Uso da expressão do sorriso, analisada por algoritmos, para identificar alterações faciais e sinais motores sutis associados à doença de Parkinson, funcionando como biomarcador digital não invasivo para triagem.

Por que são necessárias triagens acessíveis para o Parkinson?

O diagnóstico atual depende de sinais motores tardios e há acesso limitado a especialistas; triagens acessíveis permitem detecção precoce, ampliar alcance populacional e reduzir custos usando dispositivos cotidianos.

Como foi conduzida a pesquisa de detecção do Parkinson com IA em vídeos de sorriso?

Recrutaram 1.452 participantes que gravaram sorriso, surpresa e desgosto. OpenFace e MediaPipe extraíram características faciais; modelos HistGradientBoost foram treinados para distinguir casos com e sem Parkinson, focando no sorriso.

Quais foram os principais resultados do estudo de detecção com IA?

Acurácia interna 88%, sensibilidade 77%, especificidade 91% e VPN 93%. Testes externos nos EUA e Bangladesh apresentaram acurácia entre 80% e 85%; o sorriso foi a expressão mais discriminativa.

Quais implicações clínicas tem a triagem por expressões faciais?

Permite triagem remota e priorização de encaminhamentos, oferece monitoramento complementar em telemedicina e ajuda a reduzir a sobrecarga em serviços especializados, sem substituir o diagnóstico clínico.

Como essa descoberta se relaciona com os programas da NeuronUP?

Viabiliza integração de avaliação digital com programas de estimulação e reabilitação cognitiva, possibilitando detecção precoce, personalização de intervenções e acompanhamento multidisciplinar contínuo.

Triagem precoce da doença de Parkinson com IA: o sorriso como biomarcador digital

A doutoranda Marta Arbizu Gómez explica neste artigo o recente estudo «Detecção da doença de Parkinson com IA por meio de vídeos de sorrisos», em que se apresenta a o sorriso como biomarcador digital para o Parkinson.

Por que precisamos de métodos de triagem acessíveis para o Parkinson?

A doença de Parkinson (EP) é o transtorno neurodegenerativo de maior crescimento a nível mundial, afetando cada ano mais pessoas e gerando um impacto profundo tanto nos pacientes quanto em suas famílias e sistemas de saúde.

O diagnóstico atual depende de sintomas motores como tremor e rigidez, os quais costumam se manifestar em fases avançadas, quando já existe uma perda significativa de neurônios dopaminérgicos. Soma-se a isso a dificuldade de acesso a neurologistas especializados, sobretudo em zonas rurais ou em países com poucos recursos.

Dispor de uma ferramenta simples, acessível e aplicável de forma remota permitiria:

Detectar sinais precoces da doença e facilitar intervenções precoces.
Ampliar o alcance da triagem em populações com difícil acesso a especialistas.
Reduzir custos e barreiras logísticas, aproveitando dispositivos do dia a dia como smartphones ou webcams.

Como foi conduzida a pesquisa?

Um estudo recente publicado no NEJM AI propõe usar inteligência artificial (IA) para analisar vídeos de sorrisos e assim identificar possíveis casos de Parkinson.

Os pesquisadores recrutaram 1.452 participantes de diferentes partes do mundo, incluindo EUA e Bangladesh. Destes, 391 pessoas tinham doença de Parkinson (300 diagnosticadas clinicamente e 91 autodiagnosticadas).

Cada pessoa gravou vídeos curtos realizando três expressões faciais: sorriso, surpresa e desgosto. A partir desses vídeos foram extraídas características faciais chave utilizando ferramentas avançadas como OpenFace e MediaPipe. Entre as características de interesse estão a abertura da boca, a ativação dos músculos faciais e os movimentos das sobrancelhas.

Com as informações obtidas foram treinados modelos de aprendizado de máquina (modelos HistGradientBoost) para distinguir entre pessoas com e sem Parkinson, concentrando-se na análise do sorriso.

Inscreva-se
na nossa
Newsletter

O que revelam os resultados-chave?

Os resultados foram especialmente promissores pelos seguintes motivos:

Acurácia geral na validação interna: 88%.
Sensibilidade (capacidade de detectar corretamente casos com EP): 77%.
Especificidade (capacidade de descartar corretamente casos sem EP): 91%.
Valor preditivo negativo (VPN): 93% (muito útil para excluir a doença).

Em testes externos, realizados nos EUA e em Bangladesh, a acurácia variou entre 80% e 85%, mantendo-se competitiva com a precisão que alcançam alguns especialistas.

Gráfico de barras que compara métricas (Acurácia, AUROC, Sensibilidade, Especificidade e VPN) para Parkinson com IA entre validação interna, EUA e Bangladesh. — Gráfico 1. Gráfico de barras comparativo das principais métricas diagnósticas, mostrando o desempenho do modelo na validação interna, EUA e Bangladesh.

Um dado interessante é que o sorriso mostrou-se a expressão mais discriminativa, acima da surpresa e do desgosto. Além disso, a análise não mostrou vieses significativos por sexo nem por etnia na maioria dos conjuntos de dados.

Portanto, o uso de expressões faciais na triagem do Parkinson pode representar uma ferramenta útil.

Diagrama de barras comparando o AUROC do modelo conforme as expressões faciais: sorriso, desgosto e surpresa. — Gráfico 2. Diagrama comparativo que mostra o desempenho (AUROC) do modelo conforme cada expressão facial: sorriso, desgosto e surpresa.

Que implicações isso tem para a prática clínica?

O estudo demonstra o potencial da IA para transformar a triagem precoce do Parkinson. Entre as aplicações destacadas:

Triagem remota e acessível: pessoas em áreas rurais ou sem acesso a neurologistas poderiam gravar um simples vídeo em casa e obter uma avaliação preliminar.
Descongestionar consultas especializadas: priorizar encaminhamentos para neurologia para os casos com maior probabilidade da doença.
Monitoramento complementar: embora não substitua um diagnóstico clínico, poderia servir como acompanhamento adicional em programas de telemedicina.

Como esse avanço se relaciona com a NeuronUP?

Na NeuronUP desenvolvemos programas de estimulação e reabilitação cognitiva baseados em evidências científicas. Incorporar tecnologias que analisem biomarcadores digitais como a expressividade facial abre a porta para:

Personalização das intervenções conforme o grau de afetacão motora e cognitiva.
Detecção precoce, que permite iniciar mais cedo programas de reabilitação e maximizar sua efetividade.
Integração multidisciplinar, combinando avaliação digital e estimulação cognitiva para uma abordagem mais completa e contínua.

Conclusão

O sorriso, um gesto universal e aparentemente simples, pode tornar-se uma ferramenta poderosa para detectar precocemente a doença de Parkinson graças à inteligência artificial. Essa abordagem pioneira não apenas aproxima o diagnóstico de mais pessoas, como também estabelece as bases para um futuro em que a tecnologia e a reabilitação trabalhem de mãos dadas para melhorar a qualidade de vida de quem convive com essa doença.